使用 Hugging Face 和 Flower 进行联邦学习
Hugging Face 发布教程展示如何结合 Flower 框架在多个客户端上对 distilBERT 模型进行联邦学习。该教程以 IMDB 数据集为例，演示了利用 Hugging Face datasets 库加载数据、使用 PyTorch 进行模型训练与评估，并通过 Flower 客户端类实现本地训练与参数聚合的完整流程。
#Hugging Face
#Hugging Face
今日 0 条Hugging Face BlogAI 评分2727
Hugging Face Blog精选AI 评分7070 Hugging Face 详解如何使用 diffusers 训练 ControlNet
Hugging Face 博客详解了使用 diffusers 训练 ControlNet 的三步流程：规划条件、构建数据集与模型训练。文章以训练面部姿态控制模型为例，展示了从 FaceSynthetics 数据集准备到使用 A100 进行训练的具体代码与参数配置，并提供了适配 8GB 至 16GB 显存的优化方案。
推荐理由：原文详述了基于diffusers训练ControlNet的三步流程与显存优化技巧，提供了可直接复用的实操指南。
Hugging Face BlogAI 评分2727 Hugging Face 改进 Hub 对 Jupyter 笔记本的支持
Hugging Face 改进了 Hugging Face Hub 对 Jupyter 笔记本的托管支持，新增渲染功能使 ipynb 文件以人类可读格式展示。Hub 现已支持一键将托管笔记本直接打开在 Google Colab 中。此举旨在提升模型、数据集及演示资源的可复现性与使用便利性。
Hugging Face BlogAI 评分2525 使用 Informer 模型进行多元概率时间序列预测
Hugging Face 发布 Informer 模型，支持多元概率时间序列预测任务。该模型基于 Transformer 架构，通过 ProbSparse 注意力机制和 Distilling 操作，将计算复杂度从 O(T^2D) 降低至 O(TlogT)。
Hugging Face Blog精选AI 评分7878 Hugging Face 发布 TRL 与 PEFT 集成，实现消费级显卡微调 20B 大模型
Hugging Face 官方发布 TRL 与 PEFT 的集成，利用 8-bit 量化和 LoRA 适配器，在 24GB 显存的消费级 GPU 上成功微调了 20B 参数的 GPT-NeoX 模型。
推荐理由：官方发布TRL与PEFT集成方案，展示在消费级显卡上微调20B模型的技术路径。
Hugging Face BlogAI 评分5252 Kakao Brain 开源首个 ALIGN 模型及 COYO 数据集
Kakao Brain 与 Hugging Face 联合发布首个开源 ALIGN 模型及 7 亿图文对 COYO 数据集。该模型在多项任务上表现媲美 Google 原版，且训练数据完全公开，支持零样本图像分类与多模态嵌入提取。
Hugging Face Blog精选AI 评分7272 Hugging Face Diffusers 集成 ControlNet 教程
Hugging Face 发布教程介绍如何在 Diffusers 中使用 StableDiffusionControlNetPipeline，涵盖边缘、姿态等多种条件控制及多条件组合方法，并演示了通过优化调度器、CPU卸载和xformers实现推理加速与显存节省。
推荐理由：文章详细演示了Diffusers中ControlNet的集成与优化技巧，提供可复用的代码与性能调优方案。
Hugging Face BlogAI 评分3232 利用机器学习辅助土耳其地震幸存者搜救
志愿者团队利用 Hugging Face 平台构建 afetharita 应用，协助土耳其地震搜救。团队使用 easyocr 和微调后的 bert-base-turkish-cased 模型提取幸存者信息，并通过 Inference API 部署模型。此外，团队利用 NLI 模型和 Argilla 标注界面优化需求分类与实体识别，确保数据准确入库。
Hugging Face BlogAI 评分2222 Diffusers 库发布伦理准则与安全机制
Hugging Face 宣布为 Diffusers 库发布伦理准则，旨在通过透明、一致、简单、可及、可复现和负责任的原则指导技术决策。该准则涵盖社区协作、标签功能、偏见评估等安全机制，并提及 Safe Stable Diffusion、Hub 分阶段发布及 OpenRAILs 许可等具体措施以缓解潜在风险。
Hugging Face BlogAI 评分1717 Hugging Face 助力 Witty Works 开发包容性写作助手
Hugging Face 专家加速项目协助 Witty Works 开发包容性写作助手，解决上下文依赖词汇检测难题。团队采用 Sentence Transformers 架构结合 SetFit 库，仅需 15-20 条标注样本即可完成微调。最终部署 mpnet-base-v2 模型，实现低延迟实时建议。
Hugging Face Blog精选AI 评分6868 Hugging Face Diffusers for Mac 1.1 发布，原生 Core ML 加速图像生成
Hugging Face 发布 Diffusers for Mac 1.1，将扩散模型转换为 Core ML 以利用 Apple Silicon 硬件加速。性能测试显示 M1 Max 使用 GPU 最快，标准 M1 使用 ANE 更快，新版本会自动选择最佳加速器。
推荐理由：官方发布 Swift 原生应用并给出多芯片性能数据，可据此判断端侧生成效率。
Hugging Face BlogAI 评分1515 Fetch 利用 Hugging Face 在 AWS 上整合 AI 工具，开发时间缩短 30%
Fetch 利用 Hugging Face 和 AWS 构建自有 AI 工具，将开发时间缩短 30%。该方案处理超过 1100 万张收据，处理延迟降低 50%。
Hugging Face BlogAI 评分3030 Hugging Face 与 AWS 达成战略合作，加速 AI 模型开源与普及
Hugging Face 与 AWS 达成战略合作，旨在通过 Amazon SageMaker 和 AWS Trainium 等工具，降低开发者训练、微调及部署机器学习模型的门槛与成本。双方将利用 AWS 的专用加速芯片优化模型性能，推动下一代生成式 AI 应用的快速构建。此举致力于弥合大型科技公司与普通开发者之间的能力差距，促进 AI 技术的民主化与普及。
Hugging Face BlogAI 评分4040 为什么我们转向 Hugging Face Inference Endpoints，以及你可能也应该这样做
我们已将部分机器学习推理模型从 AWS ECS 迁移至 Hugging Face Inference Endpoints，以简化部署流程并降低认知负荷。测试显示，Hugging Face 的 RoBERTa 微调模型在大型实例上的延迟低至 80ms，比 ECS 方案快两倍以上。虽然成本增加了 24% 至 50%，但节省的运维时间远超差价。
Hugging Face BlogAI 评分4343 使用 BLIP-2 实现零样本图像到文本生成
Salesforce Research 发布的 BLIP-2 模型现已集成至 Hugging Face Transformers，支持图像描述、提示词图像描述、视觉问答及基于聊天的提示。该模型通过轻量级 Q-Former 桥接视觉与语言模型，仅需微调该组件即可利用冻结的预训练视觉编码器和 LLM，显著降低训练成本。
Hugging Face Blog精选AI 评分8181 Hugging Face 发布 PEFT 高效微调库
Hugging Face 发布 PEFT 库，无缝集成 Transformers 与 Accelerate，支持 LoRA、Prefix Tuning 等方法。通过仅微调少量参数，可在消费级硬件上高效微调大模型，大幅降低存储与算力成本。
推荐理由：官方发布高效微调库，支持LoRA等技术在消费级硬件上微调大模型，显著降低存储与算力成本。
Hugging Face BlogAI 评分4242 SpeechT5 正式集成至 Hugging Face Transformers
SpeechT5 正式集成至 Hugging Face Transformers，该模型支持语音合成、自动语音识别及语音转换。其基于 Transformer 编码器-解码器架构，通过预训练共享文本与语音的隐藏表示空间。用户可通过安装 GitHub 版本并加载 `microsoft/speecht5_tts` 模型进行文本到语音的生成。
Hugging Face BlogAI 评分3535 Hugging Face 推出 AI vs. AI 深度强化学习多智能体竞赛系统
Hugging Face 推出 AI vs. AI 深度强化学习多智能体竞赛系统，通过 ELO 评分机制对提交至 Hub 的模型进行相对实力排名。该系统利用 Spaces 运行匹配算法并生成排行榜，首个挑战为 SoccerTwos Challenge。
Hugging Face BlogAI 评分3030 使用 Intel Sapphire Rapids 加速 PyTorch Transformers 推理：第 2 部分
本文测试了基于 Intel Sapphire Rapids 架构的服务器在运行 Hugging Face PyTorch Transformers 推理时的性能。
Hugging Face BlogAI 评分3838 深入解析视觉-语言模型
视觉-语言模型通过结合图像和文本编码器，利用对比学习、PrefixLM、交叉注意力融合及 MLM/ITM 等策略进行预训练，以实现零样本泛化。Hugging Face 博客介绍了这些核心训练方法，并展示了如何利用 🤗 Transformers 库进行实验。
Hugging Face BlogAI 评分3535 Hugging Face 计算机视觉生态现状
Hugging Face Hub 已支持图像分类、分割等 8 项核心视觉任务，收录超 3000 个模型与 100 个数据集。Transformers 库提供 Pipelines 推理接口及 Trainer 微调 API，并集成 timm、Diffusers 等第三方库。平台还涵盖 CLIP 等零样本模型支持及 ImageNet-1k 等数据集加载指南。
Hugging Face BlogAI 评分3333 2D 资产生成：AI 助力游戏开发 #4
Stable Diffusion 的 Image2Image 功能可作为辅助工具融入传统 2D 工作流，通过调整 denoising strength 参数控制模型对输入图像的创意修改程度。
Hugging Face Blog精选AI 评分7272 Diffusers 原生支持 Stable Diffusion LoRA 微调
Hugging Face Diffusers 正式支持 Stable Diffusion 的 LoRA 微调，训练仅需 11 GB 显存，生成的权重文件仅约 3 MB。该功能支持 Dreambooth 和全量微调，并内置自动记录基础模型元数据以简化推理加载。
推荐理由：Diffusers 原生支持 LoRA 大幅降低显存需求并生成极小权重文件，便于模型分享与复用。
Hugging Face BlogAI 评分5252 Hugging Face Optimum 集成 ONNX Runtime Training 加速模型训练
Hugging Face Optimum 集成 ONNX Runtime Training，通过 ORTTrainer 加速 Hugging Face 模型训练，性能提升 35% 至 130%。
Hugging Face Blog精选AI 评分6868 Hugging Face 发布 Mask2Former 和 OneFormer 通用图像分割教程
Hugging Face 在 Transformers 库中上线了 Mask2Former 和 OneFormer 两个通用图像分割模型。文章详细解释了实例、语义和全景分割的区别，介绍了基于 Transformer 解码器的统一架构原理，并提供了在 Transformers 中进行推理和微调的代码示例。
推荐理由：文章系统梳理了通用图像分割架构的演进，并提供了 Mask2Former 和 OneFormer 在 Transformers 中的推理与微调代码示例。
Hugging Face BlogAI 评分3535 PaddlePaddle 正式加入 Hugging Face Hub
百度开源深度学习框架 PaddlePaddle 正式接入 Hugging Face Hub，首批已有超过 75 个模型上线。用户可通过 Model Hub 筛选标签直接访问 UIE、ERNIE 3.0 等预训练模型，并利用 Inference API 和交互式 Widget 进行在线体验。
Hugging Face BlogAI 评分5858 使用Hugging Face Datasets和Transformers构建图像相似度系统
文章演示了如何利用Hugging Face Datasets和Transformers库构建图像相似度检索系统。通过加载预训练视觉模型提取图像嵌入向量，并使用余弦相似度计算查询图像与候选图像的匹配度。文中提供了完整的Python代码示例，并介绍了使用FAISS进行高效索引和检索的扩展方法。
Hugging Face BlogAI 评分4242 AI 游戏开发：5 天制作农场游戏（第 2 部分）
本文介绍如何使用 ChatGPT 辅助游戏设计，通过提示词获取关于作物多样性、进度系统和社交功能等核心玩法的建议。文章解析了基于 Transformer 架构和 RLHF 技术的语言模型原理，并指出模型虽能加速头脑风暴，但存在幻觉风险，不应作为确定的知识库。
Hugging Face BlogAI 评分1313 图机器学习入门
本文介绍图机器学习的基础知识，涵盖图的定义、表示方法及应用场景。图由节点和边组成，可用于药物发现、推荐系统等任务。文中还简要介绍了图神经网络及基于 Transformer 的图学习方法。
Hugging Face BlogAI 评分4343 AI 游戏开发：5 天打造农场游戏（第一部分）
Hugging Face 发布系列教程，展示如何利用 AI 工具在 5 天内开发一款功能完整的农场游戏。教程首日演示使用 Stable Diffusion 1.5 生成等距视角的概念艺术，并指导在 Unity 2021.9.3f1 中搭建场景。该指南面向熟悉 C# 的开发者，涵盖从艺术风格设定到引擎集成的完整工作流。
Hugging Face BlogAI 评分3636 使用 CLIPSeg 进行零样本图像分割
CLIPSeg 是一种基于 CLIP 的零样本图像分割模型，通过冻结的 CLIP 编码器与 Transformer 解码器生成粗略分割掩码。该模型支持文本或图像作为提示词，能泛化至未见过的类别。由于输出分辨率较低，需借助 Segments.ai 等工具进行微调以获取精确结果。
Hugging Face BlogAI 评分2525 Hugging Face 发布 Model Card Creator 工具及模型卡指南
Hugging Face 发布 Model Card Creator 工具及模型卡指南，旨在降低文档创建门槛并促进跨角色协作。该工具提供图形界面，无需编程即可生成模型卡，并配套更新版模板、带注释的填写指南及用户研究报告。此举旨在通过标准化结构和默认提示文本，提升机器学习模型文档的可访问性与包容性。
Hugging Face BlogAI 评分3535 Hugging Face Datasets 音频数据集完整指南
Hugging Face Datasets 提供一行 Python 代码即可下载和准备音频数据集的功能。通过 Hub 平台可浏览并试听 Common Voice 等数据集，利用 load_dataset 函数可轻松加载 GigaSpeech 等数据。该工具支持流式模式，简化了音频数据的预处理流程。
Hugging Face BlogAI 评分2828 Hugging Face：机器学习中的偏见与伦理（第2期）
Hugging Face 发布《伦理与社会通讯》第2期，探讨机器学习中的偏见问题。文章指出模型作为社会技术系统会放大社会趋势，需通过工具和分析在开发全流程中应对。内容涵盖从任务定义到模型训练各阶段的偏见缓解策略及社区开发的相关工具。
Hugging Face BlogAI 评分3131 Habana Gaudi2 在模型训练与推理中比 Nvidia A100 快约两倍
Habana Gaudi2 在模型训练和推理速度上约为 Nvidia A100 80GB 的两倍。在 BERT 预训练中，Gaudi2 相比初代 Gaudi 提速 3.04 倍，相比 A100 提速 1.89 倍。在 Stable Diffusion 推理中，Gaudi2 延迟比 A100 低 2.84 倍，且支持更大批量处理。
Hugging Face BlogAI 评分1818 Hugging Face 发布 Bumblebee，将 GPT-2 等模型引入 Elixir 社区
Hugging Face 发布 Bumblebee 库，将 GPT-2 和 Stable Diffusion 等模型引入 Elixir 生态。该库基于 Nx 实现，支持在 Phoenix 应用、Broadway 数据管道及 Nerves 嵌入式系统中部署，并编译至 CPU 和 GPU。Livebook v0.8 提供“Smart cells”以简化开发。
Hugging Face Blog精选AI 评分6565 图解人类反馈强化学习（RLHF）
Hugging Face 发布图解文章，详细拆解了人类反馈强化学习（RLHF）的三个核心步骤：预训练语言模型、基于人类偏好训练奖励模型、以及使用 PPO 进行强化学习微调。文章还介绍了 TRL、TRLX 和 RL4LMs 等开源工具，并探讨了 RLHF 在数据成本和算法优化方面的局限性。
推荐理由：原文拆解了RLHF三步流程与开源工具，为理解ChatGPT背后的技术提供了清晰的入门路径。
Hugging Face BlogAI 评分3131 使用蛋白质语言模型和 ESMFold 进行深度学习
Hugging Face 发布指南，介绍如何利用蛋白质语言模型和 ESMFold 进行深度学习。文章面向生物学家和机器学习从业者，通过类比 BERT 和 GPT 解释迁移学习原理，并提供 PyTorch 和 TensorFlow 微调蛋白质语言模型以及使用 ESMFold 进行蛋白质折叠的示例笔记本。
Hugging Face Blog精选AI 评分6363 Hugging Face 发布 Stable Diffusion Core ML 转换权重
Hugging Face 官方提供 Stable Diffusion Core ML 转换权重，让 Apple Silicon 用户能直接调用并本地运行。支持 v1.4、v1.5 及 v2 系列模型，提供 Python 和 Swift 两种推理方式，并附带自定义模型转换脚本。
推荐理由：Hugging Face 官方提供 Stable Diffusion Core ML 转换权重，让 Apple Silicon 用户能直接调用并本地运行。
Hugging Face BlogAI 评分4040 使用 🤗 Transformers 进行概率时间序列预测
🤗 Transformers 库内置了 Time Series Transformer 模型，用于单变量时间序列的概率预测。该模型采用 Encoder-Decoder 架构，支持通过祖先采样生成预测分布，并能处理缺失值。文章以澳大利亚旅游数据集为例，演示了如何结合 GluonTS 进行数据预处理与模型训练。